ИССЛЕДОВАНИЯ ПО ОБНАРУЖЕНИЮ МАЛЫХ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ СРЕДСТВ С ИСПОЛЬЗОВАНИЕМ 3D ЛИДАРНОГО СЕНСОРА
DOI:
https://doi.org/10.52167/1609-1817-2023-128-5-200-208Ключевые слова:
обнаружение дрона, 3D обнаружение, глубокое обучение, лидар, датчикАннотация
Беспилотные летательные аппараты служат людям, выполняя самые разнообразные задачи в науке, бизнесе, армии и даже для личного развлечения. Кроме того, их все чаще используют с плохими намерениями, например, для нападения на инфраструктуру, беспокойства близлежащих жителей и создания помех воздушному транспорту. Скромный размер БПЛА представляет собой проблему, поскольку затрудняет его обнаружение. Многочисленные традиционные методы и технологии могут даже оказаться непригодными для решения этой задачи. В этой работе представлена технико-экономическая оценка использования датчика обнаружения света и определения дальности (LiDAR) для идентификации летающего беспилотного летательного аппарата. Для высокоточного измерения расстояний использовался модуль датчика времени пролета (ToF) лазерного дальномера VL53L0x. Результаты показали, что дальность действия оказывает существенное влияние на скорость обнаружения объектов при использовании датчиков LiDAR. В частности, скорость обнаружения резко снижается, когда расстояние между объектом и датчиком превышает 30 м.
Библиографические ссылки
[1] A. Manjunath, Y. Liu, B. Henriques and A. Engstle, "Radar Based Object Detection and Tracking for Autonomous Driving," 2018 IEEE MTT-S International Conference on Microwaves for Intelligent Mobility (ICMIM), Munich, Germany, 2018, pp. 1-4, doi: 10.1109/ICMIM.2018.8443497.
[2] R. Sahba, A. Sahba, M. Jamshidi and P. Rad, "3D Object Detection Based on LiDAR Data," 2019 IEEE 10th Annual Ubiquitous Computing, Electronics & Mobile Communication Conference (UEMCON), New York, NY, USA, 2019, pp. 0511-0514, doi: 10.1109/UEMCON47517.2019.8993088.
[3] M. Sualeh and G. -W. Kim, "Visual-LiDAR Based 3D Object Detection and Tracking for Embedded Systems," in IEEE Access, vol. 8, pp. 156285-156298, 2020, doi: 10.1109/ACCESS.2020.3019187.
[4] Marcus Hammer, Marcus Hebel, Martin Laurenzis, and Michael Arens "Lidar-based detection and tracking of small UAVs", Proc. SPIE 10799, Emerging Imaging and Sensing Technologies for Security and Defence III; and Unmanned Sensors, Systems, and Countermeasures, 107990S (4 October 2018); https://doi.org/10.1117/12.2325702
[5] Y. Wu, Y. Wang, S. Zhang and H. Ogai, "Deep 3D Object Detection Networks Using LiDAR Data: A Review," in IEEE Sensors Journal, vol. 21, no. 2, pp. 1152-1171, 15 Jan.15, 2021, doi: 10.1109/JSEN.2020.3020626.
[6] R. Sahba, A. Sahba, M. Jamshidi and P. Rad, "3D Object Detection Based on LiDAR Data," 2019 IEEE 10th Annual Ubiquitous Computing, Electronics & Mobile Communication Conference (UEMCON), New York, NY, USA, 2019, pp. 0511-0514, doi: 10.1109/UEMCON47517.2019.8993088.
[7] Alaba, Simegnew Yihunie, and John E. Ball. 2022. "A Survey on Deep-Learning-Based LiDAR 3D Object Detection for Autonomous Driving" Sensors 22, no. 24: 9577. https://doi.org/10.3390/s22249577
[8] Bai, L.; Zhao, Y.; Huang, X. Enabling 3D Object Detection with a Low-Resolution LiDAR. IEEE Embed. Syst. Lett.2022, 1.https://doi.org/10.1109/LES.2022.3170298.
[9] Pei Sun, Weiyue Wang, Yuning Chai, Gamaleldin Elsayed, Alex Bewley, Xiao Zhang, Cristian Sminchisescu, Dragomir Anguelov; “RSN: Range Sparse Net for Efficient, Accurate LiDAR 3D Object Detection”. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2021, pp. 5725-5734. https://doi.org/10.48550/arXiv.2106.13365
[10] Yan, L., et al.: Rtl3d: real‐time lidar‐based 3d object detection with sparse CCN. IET Comput. Vis. 14(5), 224–232 (2020). https://doi.org/10.1049/iet‐cvi.2019.0508
[11] So-Young Park, Dae Geon Lee, Eun Jin Yoo, and Dong-Cheon Lee; “Segmentation of LiDAR Data Using Multilevel Cube Code”. Volume 2019 | Article ID 4098413 | https://doi.org/10.1155/2019/4098413
[12] https://www.mathworks.com/help/lidar/segmentdetectlabel.html
[13] Mao, J., Shi, S., Wang, X., & Li, H. (2023). 3D object detection for autonomous driving: A comprehensive survey. International Journal of Computer Vision, 1-55.
[14] N. Siriphun et al., “Distinguishing drone types based on acoustic wave by IOT device,” in Proc ICSEC, 2018, pp. 1–4.
[15] Olusiji. O. Medaiyese, Martins Ezuma, Adrian P. Lauf, Ismail Guvenc, Wavelet transform analytics for RF-based UAV detection and identification system using machine learning, Pervasive and Mobile Computing, Volume 82, 2022, 101569, ISSN 1574-1192, https://doi.org/10.1016/j.pmcj.2022.101569.
[16] Xiaoyue Jiang, Abdenour Hadid, Yanwei Pang, Eric Granger, Xiaoyi Feng “Deep Learning in Object Detection and Recognition”, Springer, 2019.
[17] Huazan Zhong, Hao Wang, Zhengrong Wu, Chen Zhang, Yongwei Zheng, Tao Tang, A survey of LiDAR and camera fusion enhancement, Procedia Computer Science, Volume 183, 2021, Pages 579-588, ISSN 1877-0509, https://doi.org/10.1016/j.procs.2021.02.100.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Улжалгас Сейдалиева, Әмина Барысова, Нұржігіт Смайлов, Гүлжан Кашаганова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
